使用AI良久，我有一种不同于主流舆论的观察 ？

想必伙伴们和笔者一样，不管是工作，还是日常生活，使用AI工具越来越频繁了。正如那句走心之语“你见，或者不见，我就在那里”；AI已经是“你用，或者不用，我无可或缺”。
那么，不知道大家是否和笔者有同样的直观感受：使用AI工具，所期待的大幅度提升工作效率，降低工作强度，似乎并没有所想象的那么美好。
如不必讳言，笔者近期文章结合AI工具进行了辅助，但一篇文章成文所耗时长，甚至比过往没有使用AI工具还要长。需要反复校核资料真实性，需要反复引导朝自己思考的目标前进，需要修改机器死板的言语，需要删减容易重复的废话。
一句话：搜集资料更为简单，但整体工作负担并未减轻。

那么如今全网讨论AI，话题大多围绕文稿生成、办公提效、岗位替代展开。各类媒体持续热议互联网行业收缩、初级程序员遭遇裁员，不少观点预判，简单编码、文案整理这类岗位会迎来萎缩拐点。

是不是一种错觉？

7月23日，日经中文网引述劳动力市场专家研究成果 称：人工智能对程序员就业总量的冲击，并未呈现简单的线性替代，而可能是短短2年内出现从“替代效应”需求转为向“杰文斯效应”需求上升的反转。

技术提升资源利用效率后，单位产出消耗变少；但使用成本下降会刺激需求扩张，最终该资源总消耗量不降反升。 杰文斯效应/杰文斯悖论

那所有人都在焦虑的“AI会抢走谁的工作”，会不会搞错了重点？或许AI真正的价值，是在那个很少有人注意，大模型最核心、最容易被低估的价值：成为通用信息萃取工具，开启人类第四次大规模信息平权。

说一个或许很多伙伴或还没注意到的AI用法：

过去想要看外文网站，更广泛搜集世界信息，需要灰色通道，且还要面临语言障碍、专业壁垒。哪怕你说你是英语专业八级，面对德语、法语、阿拉伯语资料，你也得歇菜。

现在呢？

不用灰色渠道，你只要向大模型询问：请帮列出XX媒体7月23日头条列表及简要内容？你就可以看到你想要的内容，还可以帮你把多个媒体，跨国跨地区对同一件事的报道进行比较（笔者系统分析时，曾这样比较过，非常有意思），给你形成信息简报。

过去能想吗？想要梳理多国媒体资讯、翻译外文资料、整合零散的专业文献、拆解晦涩理论，放在十余年前，是具备渠道、外语能力、专业岗位优势人群的特权。

能获得这种全球信息简报服务的，过去至少是一个小目标以上财富老总或对应权力阶层，才有可能享受。

斯蒂格利茨说：信息的不平等，是财富不平等重要来源。

曼纽尔·卡斯特在《网络社会的崛起》中阐述：权力根植于信息流动；控制信息流通的人，拥有塑造社会的力量。

哈耶克的识分散理论解析：社会知识分散在个体手中；谁垄断关键局部知识，谁就拥有影响力。

普通人往往受制于语言壁垒、信息渠道、检索门槛，很难系统性获取跨领域、跨境信息。而今只需要持续提问，就能完成资料汇总、线索梳理与内容提炼。这种变化润物无声，不会产生轰轰烈烈的轰动新闻，显然在缓慢、持续地重塑全社会的信息分配格局。

因此对我们普通人来说，人工智能真正的影响，或不在于批量产出内容，而在于系统性打破延续千年的信息获取特权。

站在人类知识传播的历史长河上观察，我们或正亲历第四次大规模、影响也最为深远的信息平权浪潮！

第一次变革，是中古印刷术成熟。

在手抄本垄断知识的年代，典籍造价高昂，知识被世家门阀世代把持。雕版印刷，搭配泥活字、木活字、铜活字等各类手工印刷技术，让书籍批量流通，知识得以向中小士人扩散，持续瓦解门阀依靠藏书建立的文化垄断。

第二次变革，诞生于19世纪蒸汽动力机械印刷。

蒸汽轮转印刷搭配连续造纸技术，带来印刷产能质的飞跃，廉价大众报刊走向市场，现代大众传媒正式成型。公共新闻不再局限于少数精英圈层，信息开始下沉到城市平民。不过，信息生产渠道牢牢掌握在报业与资本手中，大众长期处于单向接收信息的位置。

第三次变革，是互联网的普及。

实体媒介不再是信息唯一载体，信息跨越地域限制自由传播，传统中心化媒体垄断被打破。但互联网依然存在显著门槛：高效检索能力、语言障碍、海量信息筛选成本横亘在前。互联网解决了“信息能否送达”，却没能解决普通人“如何读懂、整合复杂信息”的难题。

第四次变革，正是当下大模型驱动的智能时代。

前三次媒介革命重点解决文字复制、远距离传输问题；人工智能补齐了关键短板，大幅降低信息解读、归纳、跨语言转化的门槛。曾经用来划分精英与普通人的信息萃取能力，变成人人可以取用的公共工具，持续缩小长久存在的信息差。

由此很多人最初期待的AI直接减负，在目前而言还是事与愿违。

还是拿笔者熟悉的生成文章而言，AI直接生成的文本普遍带有同质化的模板气息，缺少独特视角与独立思考，难以直接落地使用。它或可以快速搭建框架、堆砌素材，却无法自发产生原创洞见。

因此撰写人员的工作负担不是减轻，而只是发生结构性转移：过去大量时间消耗在搜集资料；如今素材唾手可得，更多精力要投入事实核验、逻辑修正、文字打磨。

搜集信息的成本下降，辨伪与深度创作的成本上升。

放到程序员身上同样适用：AI能够快速产出基础代码，但排查漏洞、校验事实、注入独立判断依旧依靠人，不少从业者工作量并没有降低。市场上关于裁员、行业拐点的讨论此起彼伏，本质上被冲击的只是标准化、重复性任务，深度思考类工作门槛非但没有消失，要求反而持续抬升。

这就需要我们使用AI过程中认清一条关键边界：人工智能擅长重组现有公共信息，却无法自主孕育思想。技术能够抹平的，仅仅是素材获取层面的信息壁垒。人与人之间认知、判断力、洞察力形成的鸿沟，不会随着工具普及自动消失。人人可以轻松获取海量知识，但甄别信息谬误、构建独立观点，依旧依靠长期持续的沉淀。

回看历次信息平权技术浪潮，规律始终不变：

印刷造就寒门士人；

报刊催生资本舆论力量；

互联网崛起平台巨头......

每一轮新技术在瓦解旧知识垄断的同时，又会催生新的分层标准。

步入大模型时代，算力资源、优质工具、驾驭AI的提问能力、信息甄别素养，构筑起新时代的壁垒。善于驾驭智能工具、保有独立思辨的人，将建立新一轮认知优势；仅仅被动接收AI现成答案的人，则容易被海量同质化信息裹挟。

信息获取越发便利，但绝对的信息平等或永远不会到来。

不必神化AI，也无需恐惧被它取代。

它最合适的定位，是全天候的资料助手，用来拓宽认知边界，而非能够代替我们思考的“标准答案提供者”。

面对智能浪潮，逃避抗拒不可取，完全依附同样危险，个人体会普通人或可以建立四条清晰可行的行动准则，学会适应AI、运用AI、驾驭AI。

第一，把AI固定定位为信息搜集助理，杜绝直接照搬输出。利用它完成外文翻译、资料梳理、素材搜集等基础工作，所有结论、观点保留自己最终裁定权；

第二，建立强制校验习惯，警惕AI幻觉。凡是关键数据、事件、专业结论，必须交叉查证原始来源，不直接采信模型给出的未经核实内容；

第三，训练高质量提问能力。清晰的问题才能换来有效的信息，持续打磨自己定义问题、拆解问题的能力，这是人和AI拉开差距的核心技能；

第四，保留独立思辨的留白。不要把思考全过程外包给人工智能，重大判断、深度分析预留足够时间自主推演，守住自主思考的习惯。

当获取信息越来越简单，单纯占有信息不再是竞争力。未来拉开人与人差距的核心，不再是谁搜集资料更快，而是谁能提出有价值的问题、保有独立判断、输出不可复制的思考。

技术能够普惠知识，却永远无法批发思想！

大家当下看待AI，大多围绕裁员、提效展开。跳出短期职场焦虑，如果拉长上千年信息平权发展史，你怎么看待大模型带来的信息平权？普通人应当如何利用AI，同时守住独立思考的能力？欢迎交流探讨。